Python學習筆記|Python之正規表示式

什麼是正規表示式

正規表示式是包含文字和特殊字元的字串，該字串描述一個可以識別各種字串的模式

1.字元

1.1 正規表示式對字元（單個字元）的表示

• .

匹配任意1個字元（除了\n），注意因為.表示任意一個字元，所以如果匹配‘.’則需要用轉義字元.來表示

程式碼如下：

	print(re.findall('.',"s2a4561b3678 ——"))

結果如下：

	['s', '2', 'a', '4', '5', '6', '1', 'b', '3', '6', '7', '8', ' ', '—', '—']

• [ ]

匹配[ ]中列舉的字元，如果[a-zA-Z0-9],[a-zA-Z]表示所有字母和數字，後者表示所有字母，注意中間沒有空格符號。

• \d

匹配數字，即0-9

程式碼如下:

	print(re.findall('\d',"s2a4561b3678 ——"))

結果為：

	['2', '4', '5', '6', '1', '3', '6', '7', '8']

• \D

匹配非數字，即不是數字

程式碼如下：

	print(re.findall('\D',"s2a4561b3678 ——"))

結果如下：

	['s', 'a', 'b', ' ', '—', '—']

• \s

匹配空白，即 空格，tab鍵

程式碼如下：

	print(re.findall('\s',"s2a4561b3678 ——"))

結果如下：

	[' ']

• \S

匹配非空白

程式碼如下：

	print(re.findall('\S',"s2a4561b3678 ——"))

結果如下：

	['s', '2', 'a', '4', '5', '6', '1', 'b', '3', '6', '7', '8', '—', '—']

• \w

匹配單詞字元，即a-z、A-Z、0-9、_

程式碼如下：

	print(re.findall('\w',"s2a4561b3678 ——"))

結果如下:

	['s', '2', 'a', '4', '5', '6', '1', 'b', '3', '6', '7', '8']

• \W

匹配非單詞字元

程式碼如下：

	print(re.findall('\W',"s2a4561b3678 ——"))

結果如下：

	[' ', '—', '—']

1.2 正規表示式匹配多個字元：數量的表示

	text = "a aAx aAAy bAAz cAAAk"

• * 匹配前一個字元出現0次或者無限次，即可有可無

	print(re.findall(r"aA*", text))     #['a', 'aA', 'aAA']

• + 匹配前一個字元出現1次或者無限次，即至少有1次

	print(re.findall(r"aA+", text)) #['aA', 'aAA']

• ? 匹配前一個字元出現1次或者0次，即要麼有1次，要麼沒有

	print(re.findall(r"aA?", text))  #['a', 'aA', 'aA']

• {m} 匹配前一個字元出現m次

	print(re.findall(r"A{2}",text)) #['AA', 'AA', 'AA']

• {m,} 匹配前一個字元至少出現m次

	print(re.findall(r"A{1,}",text)) #['A', 'AA', 'AA', 'AAA']

• {m,n} 匹配前一個字元出現從m到n次

	print(re.findall(r"A{1,2}",text))#['A', 'AA', 'AA', 'AA', 'A']

1.3 正規表示式：匹配邊界的問題

• ^ 匹配字串開頭

	print(re.findall('^s',"s2a4561b3678 ——"))

結果為：

	['s']

• $ 匹配字串結尾

	print(re.findall('8$',"s2a4561b3678"))

結果為：

	['8']

• \b

匹配一個單詞邊界，也就是指單詞和空格間的位置。例如， ‘er\b’ 可以匹配"never" 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。

	print(re.findall(r'\bs',"s2abc4561b3678 ——"))

	['s']

• \B 匹配非單詞邊界，‘er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。

	print(re.findall(r'\babc\b',"abc4561b3678 ——abc"))

結果為：

	['abc']

2.re模組中常用的功能函式

首先了解下flags值的含義，具體如下：

• re.S(DOTALL)

使.匹配包括換行在內的所有字元

• re.I（IGNORECASE）

使匹配對大小寫不敏感

• re.L（LOCALE）

做本地化識別（locale-aware)匹配，法語等

• re.M(MULTILINE)

多行匹配，影響^和$

• re.X(VERBOSE)

該標誌通過給予更靈活的格式以便將正規表示式寫得更易於理解

• re.U

根據Unicode字符集解析字元，這個標誌影響\w,\W,\b,\B

2.1 compile()

• 函式原型

生成一個正規表示式物件，供 match() 和 search() 這兩個函式使用

	re.compile(pattern,flags=0)

2.2 serach()

• 函式原型

整個字串中匹配

	re.search(pattern, string, flags=0)

如下：

	print(re.search('com', 'www.baidu.com'))

2.3 match()

• 函式原型

	re.match(pattern, string, flags=0)

match匹配，如果匹配成功，則返回一個match object的match物件

print(re.match('www', 'www.baidu.com')) # 在起始位置匹配

如果不是起始位置匹配成功的話，match()就返回None

print(re.match('com', 'www.baidu.com')) # 不在起始位置匹配

• 總結

match與search區別
1.re.match只匹配字串的開始，如果字串開始不符合正規表示式，則匹配失敗，函式返回None
2.re.search匹配整個字串，直到找到一個匹配。

2.4 findall()

• 函式原型

findall字串中找到正規表示式所匹配的所有子串，並返回一個列表

	re.findall(pattern, string, flags=0)

2.5 finditer()

• 函式原型

finditer字串中找到正規表示式所匹配的所有子串，並把它們作為一個迭代器返回

	re.finditer(pattern, string, flags=0)

2.6 split()

• 函式原型

split將字串按照正規表示式分隔，返回一個列表

	re.split(pattern, string[, maxsplit])

2.7 sub()

• 函式原型

sub用於替換字串中的匹配項，將字串根據正規表示式用引數二替換，返回一個替換後的字串

	re.sub(pattern, repl, string, count)

2.8 subn()

• 函式原型

subn返回替換個數，並以元組形式返回（字串，替換個數）

	subn(pattern, repl, string, count=0, flags=0)

3.match object中的方法

match和search一旦匹配成功，就是一個match object物件，而match object物件有以下方法：

3.1 groups()

返回被 RE 匹配的字串

3.2 start()

返回匹配開始的位置

3.3 end()

返回匹配結束的位置

3.4 span()

返回一個元組包含匹配 (開始,結束) 的位置

3.5 group()

返回re整體匹配的字串，可以一次輸入多個組號，對應組號匹配的字串。

4.貪婪匹配與非貪婪匹配

• 非貪婪模式

在整個表示式匹配成功的前提下，儘可能少的匹配，量詞後面直接加上一個問號”?”就變成了飛非貪婪，具體量詞有5個，分別為：*，+，？，{m},{n,m}

	a = re.findall(r"a(\d+?)",'a23ba23')
	print(a)

• 貪婪匹配

正規表示式一般趨向於最大長度匹配，也就是所謂的貪婪匹配，python中預設採用的是貪婪模式

	b = re.findall(r"a(\d+)",'a23ba23')
	print(b)